Kasu:
- Võimalus seadistada ja käivitada töövoo automatiseerimist AI toega PyQGISi ja mudelikujundajaga
- Võimalus hallata isikuandmete privaatsust, autoriõigust, litsentsi ja inseneri vastutuse piire täisprojektis
- Võimalus koostada geomaatikaprojekt AI-toega, kuid kontrollikeskses voos andmete kogumisest kuni tarnimiseni
Mooduli eksam
1. Milline järgmistest on põhiprintsiip, mis määrab AI väljundi riski uuringutehnikas?
- A) Väljundi risk on võrdne kahjuga, mida see põhjustaks, kui see väljund oleks vigane; valideerimisskaalad vastavalt ✔
- B) AI väljund on üldiselt ohutu, kuna see on kirjutatud ladusalt ja enesekindlalt
- C) Valideerimine pole vajalik, kui kasutatakse uusimat mudelit
- D) Kui väljund viitab standardile, pole täiendavat juhtimist vaja
Selgitus: Väljundi risk on võrdne kahjuga, mida see põhjustab, kui see väljund on vigane. Kui väike viga kirjanduse kokkuvõttes on suures osas kahjutu, siis viga katastri piiris või kõrgusväärtuses võib kaasa tuua omandiõiguse rikkumise, ebaõige ehituse ja vara kahjustamise; nii et kontrolli intensiivsus ulatub võimaliku kahjuga.
2. Milline ülesanne on GNSS-i mõõtekomplekti kvaliteedikontrollis tehisintellektile kõige ohutumalt ja sobivaimalt määratud?
- A) Lõpuks aktsepteerida punkti koordinaatide täpsust ja kuulutada need registreerimisvalmis
- B) Töötlemata vaatlustabelite redigeerimine ja võimalike kõrvalekallete/ebajärjekindluse märkimine ✔
- C) Rakendusväärtuste otsene kinnitamine ilma mõõtmispõhimõtteid vaatamata
- D) Tulemuse lugemine kehtivaks ilma sulgemisvigu arvutamata
Selgitus: tehisintellekti kõige turvalisem panus on abiülesanded, mida insener saab juhtida, näiteks hajutatud toorandmete ja annotatsioonide korraldamine, ebakõlade ja kõrvalekallete märgistamine. Punkti koordinaadi täpsuse lõplik aktsepteerimine jääb inseneri heakskiidule, sealhulgas sulgemisvigade ja mõõtmispõhimõtete kohta; Tehisintellekti ütlus, et asi on täiesti õige, ei ole tõend.
3. Milline teave peab olema AI-le koordinaatide teisendustaotluses selgelt esitatud?
- A) Ainult punktide nimetused
- B) Lihtsalt sihtprojektsiooni nimi, nullpunkt on ebaoluline
- C) Lähte- ja sihtkoordinaatsüsteem (nupp + projektsioon/EPSG) ja teisendusparameetrid ✔
- D) Mõõtja nimi
Selgitus: koordinaatide teisendamine on mõttekas ainult siis, kui lähtesüsteem, sihtsüsteem (punkt + projektsioon, nt EPSG kood) ja nõutavad teisendusparameetrid on määratud. Kui öeldakse lihtsalt „teisenda see UTM-i”, jääb ebaselgeks, millist nullpunkti millisele nullpunktile teisaldatakse, ja see võib põhjustada meetrite nullpunkti nihke.
4. Milline järgmistest on kõige praktilisem viis teisenduse väljundi kontrollimiseks?
- A) Vaadates kümnendkohtade arvu väljundis
- B) Vaadates, kui kiiresti mudel vastuse annab
- C) Tulemuse ülekandmine CAD-i ilma seda üldse kontrollimata
- D) Juhtpunkti, mille koordinaadid on teada, asetamine sama teisenduse kaudu ja selle võrdlemine eeldatava väärtusega ✔
Selgitus: ühe või mitme kontrollpunkti, mille koordinaadid on teada sama teisenduse kaudu, läbimisel ja nende võrdlemisel eeldatava väärtusega ilmnevad kiiresti nii parameetrite kui ka nullpunkti vead. Kümnete meetrite süstemaatiline erinevus on tavaliselt vale nullpunkti/parameetri märk. See, et väljund näib sujuv, ei tõenda õigsust.
5. Mis on GIS-is õige puhvri ja pindala arvutamise kõige kriitilisem eeldus?
- A) Kiht on sobivas meetrilises (projektsiooni) koordinaatsüsteemis ✔
- B) Kihi värv
- C) Veergude järjekord atribuutide tabelis
- D) Kihi failinimi peaks olema lühike
Selgitus: kauguse ja pindala arvutamine on mõttekas ainult meetrilises (projitseeritud) koordinaatsüsteemis. Otsene puhverdamine geograafilistes koordinaatides (laius-/pikkuskraad kraadides) annab kraadimeetrite segaduse tõttu ebatäpseid tulemusi. Seetõttu tuleb kiht enne analüüsi asetada vastavasse projektsiooni.
6. Milline on standardne viis maakattekaardi täpsuse mõõtmiseks satelliidipiltide klassifikatsioonis?
- A) Vaadates, kui erksad on kaardi värvid
- B) Sõltumatute põhitõe näidistega veamaatriksi loomine ja üldise täpsuse/kappa arvutamine ✔
- C) Tuginedes suurele klasside arvule
- D) Pildi eraldusvõime vaatamine ja täpsuse eeldamine
Kirjeldus: Klassifikatsiooni täpsust hinnatakse sõltumatute põhitõenäidistega segadusmaatriksi loomisega ja selle aruandlusega selliste mõõdikutega nagu üldine täpsus ja Kappa. Kaardi "hea välimus" või klassi värvide erksus ei tõenda täpsust.
7. Mis on põhielement, mis tagab fotogrammeetrilise ortofoto ja DSM-i tootmisel asukohatäpsuse?
- A) Tehke lihtsalt palju fotosid
- B) UAV on kallis mudel
- C) Täpsuskontroll täpselt mõõdetud maapealsete juhtimispunktide ja sõltumatute juhtimispunktidega ✔
- D) Lend tuleks sooritada pilves päeval
Kirjeldus: maapealsed juhtimispunktid (GCP) ühendavad fotogrammeetrilise mudeli reaalse maailma koordinaatsüsteemiga ja määravad skaala/asukoha täpsuse. Lisaks testitakse täpsust, arvutades RMSE sõltumatute kontrollpunktidega, mis mudelisse ei sisene. Lihtsalt piltide arvu suurendamine või UAV kalliks muutmine ei taga täpsust.
8. Milline samm on LiDAR-i punktipilvest digitaalse maastikumudeli (DTM) genereerimiseks kohustuslik?
- A) Kõigi punktide muutmine selliseks pinnaks, nagu see on
- B) Kasutades ainult kõrgeimaid punkte
- C) Tiheduse väärtuste kustutamine
- D) Maapealsete (hoone, puu) punktide eraldamine maapinna filtreerimisega ✔
Kirjeldus: DTM tähistab paljast maapinda; Seetõttu tuleb maapinnaga mitteseotud punktid, nagu hooned, puud, sõidukid, eraldada (maapinna filtreerimine/klassifikatsioon). Kui see samm vahele jäetakse, saadakse ülemine pind (DSM), mitte DTM. AI võib klassifitseerimist kiirendada, kuid tulemus tuleb kinnitada profiili ristlõigetega.
9. Mis on üks levinumaid ja riskantsemaid vigu automaatse kaardi genereerimisel tehisintellektiga?
- A) Kohustuslike elementide, nagu skaala, legend, koordinaatsüsteem ja täpsusaste, vahelejätmine ✔
- B) Kasutades liiga palju kontrollpunkte
- C) Kihtide rühmitamine
- D) Pealkirja lisamine lehele
Selgitus: Automaatne sümboliseerimine ja märgistamine on kiire, kuid kui puuduvad olulised kartograafilised elemendid nagu mõõtkava, legend, põhjanool, koordinaatsüsteem ja täpsusmärkus, muutub kaart eksitavaks ja ametlikult kasutuskõlbmatuks. Visuaalne atraktiivsus ei asenda neid olulisi elemente.
10. Milline peaks olema tehisintellekti väljundi olek katastri- ja kinnistusregistriandmetega töötamisel?
- A) Seda loetakse lõplikeks andmeteks, mida saab otse omandiõiguse akti kanda.
- B) Võetud eelkontrollina/draftina; Lõplik kehtivus sõltub mõõtmisest, seadusandlusest ja ametiasutuse heakskiidust ✔
- C) Lahendage varavaidlusi üksi
- D) Sellest saab ametlik dokument, ilma et oleks vaja mingit kontrolli.
Selgitus: Katastri piiri-, pindala- ja omandiandmetel on õiguslikud tagajärjed; Tehisintellekt toodab kõige rohkem eellende, ebaühtluse skaneeringuid ja mustandeid. Lõplik kehtivus sõltub mõõtmisest, seadusandlusest ja volitatud inseneri/asutuse kinnitusest. Tehisintellekti väljundi lõplikuks kuulutamine loob juriidilise ja professionaalse riski.
11. Mis on kõige olulisem kontroll teha enne AI-ga loodud GeoPandas/PyProj skripti kasutamist?
- A) Eeldades, et see on õige, kuna kood on pikk
- B) Arvestades, et piisab, kui see töötab ilma vigadeta
- C) Käivitage see väikeste teadaolevate testandmetega ja kontrollige CRS-i ja auastet ✔
- D) Muutujate nimede heakskiitmine
Selgitus: toodetud koodi tuleks käivitada väikese testandmetega, mille tulemus on teada, ning oodatavat väljundit ja järjestust tuleks kontrollida. Kriitiline viga on eelkõige see, kas CRS-i (koordinaatsüsteemi) määratlus on õigesti määratud; vale CRS tekitab vaikselt meetrit triivi. See, et kood "töötab", ei tähenda, et see on õige.
12. Milline on õige lähenemine asukohaandmeid ja isikuandmeid sisaldava katastri/aadressi andmestiku andmisel tehisintellektile?
- A) Saatke kogu tegeliku omaniku ja identiteedi teave nii, nagu see on
- B) Privaatsuse eiramine, sest see oleks kasulik
- C) Andmete kleepimine avalikku foorumisse
- D) Isikuandmete anonüümseks muutmine või esinduslike väärtuste/heakskiidetud keskkonnaga töötamine ✔
Selgitus: Isikuandmeid (omaniku nimi, TR ID, tundlik asukoht) sisaldavaid andmeid ei tohiks ettevõtte poliitikat ja seadusi rikkudes saata välisele mudelile. Andmed tuleks muuta anonüümseks, kasutada tuleks näidis-/esindusväärtusi või kasutada heakskiidetud/asutusesisest keskkonda. Põhjendus „kasulik niikuinii” ei välista konfidentsiaalsuskohustust.
13. Mis on NDVI indeksi kasutamise põhieesmärk maakatte klassifikaatoris?
- A) Taimestiku elujõulisuse/tiheduse mõõtmine infrapuna ja punaste ribade lähedal ✔
- B) Maa kõrguse mõõtmine meetrites
- C) Paki omaniku määramine
- D) Koordinaatsüsteemi teisendamine
Kirjeldus: NDVI (Normalized Difference Vegetation Index) mõõdab rohelise taimestiku tugevust/tihedust, kasutades infrapuna- ja punaribade erinevust. Taimestik on võimas marker vee ja palja pinnase eristamisel. Kõrgus üksi ei mõõda ega määra omandiõigust.
14. Milline väide on kõige täpsem tehisintellekti väljundi rolli kohta ohutuskriitilises rakenduses või katastritöös?
- A) Kui tehisintellekti väljund on piisavalt sujuv, pole inseneri kinnitust vaja
- B) AI on kiirendi; Ei asenda pädeva inseneri kinnitust ja vastutust ✔
- C) Vastutus läheb mudelit tootvale ettevõttele
- D) Kalleima mudeli kasutamisel pole kinnitust vaja
Väide: Inseneri- ja kaarditootmises ei asenda tehisintellekti väljund pädeva eksperdi kontrolli ja heakskiitu töös, millel on turvalisus ja õiguslikud tagajärjed; See on lihtsalt kiirendi ja tuuletõmbuse tekitamise tööriist. Lõplik vastutus ja allkiri jäävad volitatud insenerile.